Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sebuah satelit yang akan dibawa oleh roket untuk diluncurkan harus memenuhi persyaratan yang ditentukan oleh spesifikasi roket itu. Struktur LAPSAT disimulasikan akan diluncurkan oleh roket PSLV milik pemerintah India. Untuk keperluan itu LAPSAT akan diuji getar sesuai dengan spesifikasi PSLV.Uji getar dilakukan menggunakan shaker yang di set-up sesuai dengan persyarataan PSLV. Uji getar dilakukan dengan arah getar aksial (sumbu z) dan lateral (sumbu x dan y). Hasil pengujian ini dibandingkan dengan icon getaran, dan bantuan FEM, untuk memperoleh frekuensi naturalnya. Selanjutnya frekuensi natural dijadikan masukkan path PSD (Power Spektral Density) untuk memperkirakan tekanan (dalam satuan g) maksimum yang akan diderita oleh struktur tersebut juga diperkirakan adanya kerusakan (failure dan crack) melalui kurva COD (crack opening displacement).Hasil yang diperoleh menunjukkan bahwa melalui uji getar ini struktur LAPSAT tidak mengalami kerusakan. Frekuensi natural maupun tekanan yang akan diderita oleh LAPSAT memenuhi persyaratan PSLV.

---

LAPSAT is a microsarellite designed by LAPAN's engineers. It will be launch with PSLV (Polar Satellite Launch Vehicle), a rocket from the Indian Government. The LAPSAT structure will be designed meeting PSLV requirements. The LAPSAT model will then be tested to checkwerher PSLV specifications are meet.

The ground vibrations test measures the vibrations of the structure in the axial and lateral direction. The result of this test will be compared to the theory of vibration and the finite element method will be use to get the natural frequencies. From these natural frequencies the PSD (Power Spectral Density) can be calculated to predict the maximum pressure. Failure and crack passibility can also be predicted through the COD (Crack Opening Displacement) curve.

The result of this vibrations test show that LAPSAT structure will not be broken or damaged It also show that the natural frequencies and maximum stresses of LAPSAT meet PSLV requirements."

"Indonesia sebagai negara yang besar yang terletak pada daerah khatulistiwa sedang mencari lokasi terbaik untuk tempat peluncuran. Penelitian ini bertujuan untukmendapatkan prioritas lokasi spaceport di Indonesia. Penelitian ini menggunakan metode Analytical Hierarcy Process (AHP) untuk mendapatkan prioritas lokasi terbaik berdasarkan berbagai kriteria yang dibutuhkan. Berdasarkan hasil pembobotan dan perancangan kriteria, subkriteria dan alteranif lokasi yang akan digunakan untuk pemilihan lokasi spaceport di Indonesia didapatkan prioritas pilihan lokasi alternatif adalah Biak (36,5%), Morotai (35,5%), Pameungpeuk (15,1%), Enggano (12,9%).

---

Indonesia as a big country which lies on the equator, is looking for the best location for the launch site.This study aims to get prority spaceport location in Indonesia. Hierarcy Analytical Process (AHP) is used in this research to get best priority

location based on various criteria needed. Based on weighting from hierarcy of main criteria, subcriteria and alternative location to be used for site location

selection spaceport in Indonesia then obtained priority alternate locations i.e Biak (36.5%), Morotai (35.5%), Pameungpeuk (15.1%), Enggano (12.9%)."

"ABSTRAKTingkat polusi udara di Indonesia dinilai cukup tinggi. Tingginya tingkat poiusi udara ini diakibatkan oleh polutan yang dihasilkan dari aktivitas yang dilakukan manusia. Sebagian besar adalah aktivitas pembakaran.Kendaraan bermotor merupakan penyumbang polusi udara terbesar. Hal ini disebabkan oleh pembakaran yang kurang sempurna dari mesin kendaraan bermotor dan penyetelan mekanisme pembakaran yang salah. Dalam mengurangi polusi udara akibat emisi gas buang kendaraan bermotor, maka cara yang paling efektif dan ekonomis adalah dengan menggunakan peralatan yang dapat menurunkan kadar emisi gas buang kendaraan bermotor. Peralatan yang sering dipakai adalah Catalytic Converter {Katalis pengkonversi). Penelitian ini dilakukan untuk mengetahui pengaruh penggunaan peralatan tambahan Catalytic Converter, dengan desain bentuk laluan yang optimum, terhadap keefektifan peralatan tambahan Catalytic Converter terhadap efisiensi konversi emisi gas buang. Untuk mendapatkan desain bentuk laluan yang optimum, maka penulis melakukan proses desain dengan bantuan CFD. Adapun tujuan dari pemakaian CFD ini adalah untuk menghemat biaya penelitian dalam membuat model bentuk laluan. Pengujian efisiensi konversi catalytic converter dilakukan pada mesin Otto, di laboratorium Pembakaran dan Energi Jurusan Mesin FTUI. Dari pengujian tersebut didapat efisiensi konversi yang baik dari catalytic converter, dengan bentuk laluan yang didesain optimum, dalam mengkonversi emisi gas buang kendaraan bermotor."

"This book gathers the best articles presented by researchers and industrial experts at the International Conference on Innovative Design and Development Practices in Aerospace and Automotive Engineering (I-DAD 2018). The papers discuss new design concepts, analysis and manufacturing technologies, with an emphasis on achieving improved performance by downsizing; improving the weight-to-strength ratio, fuel efficiency, and operational capability at room and elevated temperatures; reducing wear and tear; and addressing NVH aspects, while balancing the challenges of Euro IV/Barat Stage IV emission norms and beyond, greenhouse effects, and recyclable materials. The innovative methods discussed here offer valuable reference material for educational and research organizations, as well as industry, encouraging them to pursue challenging projects of mutual interest. "

"Krisis energi merupakan salah satu masalah besar yang terjadi akhir-akhir ini. Masalah ini berfokus pada kurangnya persediaan minyak dan gas bumi yang digunakan sebagai sumber energi oleh industri dan alat-alat transportasi. Ada banyak solusi untuk masalah ini, tapi yang paling utama adalah dengan memakai sumber energi yang berbasis hidrokarbon ini dengan lebih ekonomis. Sejalan dengan riset di bidang teknologi, sekarang banyak kendaraan dibuat erdasarkan teknologi hybrid. Suatu teknologi hybrid di suatu mobil atau kendaraan lainnya dapat diartikan sebagai kendaraan yang menggunakan dua jenis engine sebagai tenaga penggerak, yaitu motor elektrik dan motor bakar. Teknologi baru ini dikembangkan untuk meningkatkan jarak tempuh tanpa menambah konsumsi bahan bakar. Masalahnya yang muncul adalah bagaimana mengontrol suatu kendaraan dengan dua jenis engine. Suatu sistem kontrol dibutuhkan agar sistem ini bekerja dengan baik. Mikrokontroler digunakan untuk mengolah data digital yang merupakan parameter input. Parameter-parameter kendaraan yang digunakan sebagai input bagi mikrokontroler adalah putaran engine (RPM), kecepatan kendaraan, dan posisi sudut/kemiringan kendaraan. Parameter-parameter ini dapat dideteksi menggunakan encoder sebagai sensor. Encoder menghitung putaran engine yang dikonversikan menjadi RPM dan kecepatan kendaraan. Encoder juga dapat digunakan untuk menentukan posisi sudut kemiringan kendaraan dengan menggunakan suatu mekanisme yang dipasangkan ke encoder. Kedua sensor ini dan parameter-parameter lainnya, sesuai dengan kondisi kerja kendaraan, akan digunakan sebagai input bagi mikrokontroler untuk menentukan mode operasi yang mana yang akan digunakan. Mode operasi yang pertama adalah Silent Mode. Kendaraan menggunakan motor listrik yang terhubung ke baterai sebagai tenaga penggerak utama. Mode ini dibatasi hanya sampai 20 km/jam. Jika kecepatan kendaraan bertambah menjadi lebih dari 20 km/jam, mode kendaraan akan berubah ke mode selanjutnya. Mode kedua adalah Gasoline Mode. Ketika kecepatan kendaraan labih dari 20 km/jam, kendaraan akan menghidupkan motor bakar dan mematikan motor listrik. Mode ketiga Acceleration/Climb Mode. Kedua engine akan hidup dan memberikan cukup torsi untuk kendaraan ketika berakselerasi. Mode keempat adalah Decelerate/Descend Mode.Motor listrik akan berubah menjadi generator untuk mengisi baterai. Keseluruhan mode ini akan disimulasikan di sebuah test bed, yang merepresantasikan konfigurasi yang mendekati konfigurasi mobil hybrid.

---

Energy crisis become one of the big problem that happens in the latest century. This problem is focused on the lack supply of oil and gas that being used in many industry and transportation vehicle as an energy resource (fuel). There are many solutions for this problem, but the important thing is to make hydrocarbon based energy resources more economical. Along with the technology research, nowadays many vehicles are built based on the hybrid technology. A Hybrid Technology in a car or any other vehicles can be described as vehicles that use two types of engine as a propulsion the electric motor engine and the gasoline engine. This new technology is invented to increase vehicles mileage without necessarily increase any fuel consumption. The problem is how to control a vehicle with two types of engine. A control system is needed to make this hybrid system going well. A microcontroller is used to process the digital data that came from the input parameters. The vehicle parameters that are used as the input for the microcontroller are engine rotation (RPM), vehicle speed (km/h), and the vehicle angular position. These parameters can be detected using encoder as the sensors. The encoder counts the engine revolution that is converted into RPM and vehicle speed. It also can be used to determine the vehicle angular position using some mechanism that is attached to the encoder. This two sensors and other parameters will be used as an input for the microcontroller to determine which operating modes will be used for the vehicle based on the road condition. The first operating mode is Silent Mode. The vehicle uses electric motor connected to a battery as main propulsion. This mode is limited only for speed no more than 20 km/h. If the speed is increasing (more than 20 km/h), the vehicle will change to the next operating mode. The second mode is Gasoline Mode. When the speed vehicle is more than 20 km/h, the vehicle will start the gasoline engine and turn off the electric motor. The third mode is Acceleration/Climb Mode. Both engines will start to make enough torque for the vehicle when it is accelerating. The fourth mode is Decelerate/Descend Mode. The electric motor will change as a generator to charge the battery. All of this mode will be simulated into a test bed project, that represent the approximate configuration of hybrid car : RPM, speed, and angular position detection."

"Adanya kegiatan pengembangan Molina yang diselenggarakan FTUI mendorong penelitian terkait otomotif termasuk fitur autonomous, sebagai salah satu langkah untuk mencapai target fully autonomous yang merupakan level 6 berdasarkan skala kendaraan otonomus diperlukan beragam fungsi yang diharuskan valid terlebih dahulu untuk bisa lanjut ke level berikutnya. Salah satu fungsi tersebut adalah Obstacle Avoidance. Penelitian terkait deteksi objek sendiri bisa dijadikan pijakan awal untuk menghasilkan fungsi obstacle avoidence. Dimana penelitian yang terdahulu telah menghasilkan presisi yang cukup baik 63.6% dengan waktu komputasi 119.1 ms/framenya pada kondisi yang ideal.Untuk memvalidasi sistem tersebut dilakukan pengujian ulang pada beberapa dataset untuk menemukan kelemahan dan mengatasinya. Pada penelitian ini didapati 2 pendekatan yang bisa dilakukan untuk pengangannya yaitu optimasi tanpa mengubah model(teknik post processing) dan optimasi dengan mengubah model lewat variasi paramater pelatihan, augmentasi dataset ataupun variasi pemilihan model(teknik Training).Percobaan model baru juga dilaksanakan untuk memastikan model terbaiklah yang dipilih pada teknik Training. Mengingat sistem ditujukan untuk sistem embedded yang terbatas komputasinya, maka aspek kecepatan tetap menjadi prioritas dan dasar utama diterima atau ditolaknya model. Untuk mempermudah perbandingan, model yang dipilih berasal dari library tensorflow object detection model zoo baik versi TF1 dan TF2nya. Dimana model dari kedua sumber ini telah dilengkapi informasi benchmark mAP (presisi) dan speed (ms) dalam GPU maupun CPU yang bisa dijadikan kriteria seleksi awal sebelum mencoba model pada sistem yang dimiliki. Alasan lainnya karena alur pipeline yang jelas sampai tahap produksi ke sistem embedded. Model CNN merupakan black box jadi cara terbaik untuk mengevaluasinya dengan mengujinya pada dataset. Dimana untuk mendapatkan hasil evaluasi secara kuantitatif diperlukan alat ukur berupa evaluator yang handal. Sementara untuk memastikan hasil teknik Training yang terbaik adalah pemenang yang paling handal, evaluasi dilakukan pada 8 data uji video yang dilakukan secara offline dengan input semua framenya dan output komparasi berupa jumlah True positivenya(TP). Dimana model dengan jumlah deteksi(TP) terbanyaklah pemenangnya. Dalam merealisasikan sistem evaluasi diperlukan validitas TP bukanlah objek palsu/ False Positive(FP), maka diperlukan mekanisme yang mampu memfilter False Positive(FP) yang pada penelitian ini mekanisme tersebut juga berperan sebagai pendeteksi kegagalan sistem dengan menggabungkan konsep tracking pada SORT, karakteristik temporal video, dan pembobotan.

---

The existence of Molina development activities organized by FTUI encourages research related to automotive including autonomous features, as one of the steps to achieve the fully autonomous target which is level 6 based on the scale of autonomous vehicles, various functions are required to be valid to proceed to the next level. One such function is Obstacle Avoidance. Research related to object detection itself can be used as a starting point for generating obstacle avoidance functions. Where previous research has produced a fairly good precision of 63.6% with a computation time of 119.1 ms/frame under ideal conditions.

To validate the system, retesting was carried out on several datasets to find weaknesses and overcome them. In this study, it was found that two approaches can be used to handle them, namely optimization without changing the model (post-processing technique) and optimization by changing the model through variations in training parameters, dataset augmentation, or variations in model selection (Training technique). the best is chosen in the training technique. Considering that the system is intended for embedded systems with limited computing, the speed aspect remains a priority and the main basis for accepting or rejecting the model. To facilitate comparison, the selected model comes from the TensorFlow object detection model zoo library in both the TF1 and TF2 versions. Where the models from these two sources have been equipped with mAP (precision) and speed (ms) benchmark information on the GPU and CPU which can be used as initial selection criteria before trying the model on our system. Another reason because of the clear pipeline to the production stage into embedded system. The CNN model is a black box so the best way to evaluate it is by testing it on a dataset. Where to get the results of a quantitative evaluation required a measuring instrument in the form of a reliable evaluator. Meanwhile, to ensure that the best training technique results are the global winners, evaluations are carried out on 8 video test data that were carried out offline with all frames as input and comparative output in the form of the number of true positives (TP). Where the model with the highest number of detections TP wins. For realizing the evaluation system, the validity of the TP must not be a fake object / False Positive (FP), so a mechanism is needed that can filter False Positive (FP) which in this study also acts as a system fault detection by combining the tracking concept on SORT, video temporal characteristics, and weighting."